CN113780703A - 一种指标调整方法和装置 - Google Patents
一种指标调整方法和装置 Download PDFInfo
- Publication number
- CN113780703A CN113780703A CN202011036414.1A CN202011036414A CN113780703A CN 113780703 A CN113780703 A CN 113780703A CN 202011036414 A CN202011036414 A CN 202011036414A CN 113780703 A CN113780703 A CN 113780703A
- Authority
- CN
- China
- Prior art keywords
- index
- change rate
- index value
- value change
- core
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 51
- 230000008859 change Effects 0.000 claims abstract description 209
- 238000005070 sampling Methods 0.000 claims abstract description 78
- 230000002787 reinforcement Effects 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 8
- 238000010586 diagram Methods 0.000 description 8
- 238000004891 communication Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000005611 electricity Effects 0.000 description 4
- 230000003287 optical effect Effects 0.000 description 4
- 238000012216 screening Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Operations Research (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种指标调整方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；确定所述核心指标对应的若干波动区间；在所述若干波动区间内确定若干目标采样点；针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。该实施方式能够得到更为精确的调整量，同时提高调整效率。
Description
技术领域
本发明涉及计算机技术领域，尤其涉及一种指标调整方法和装置。
背景技术
在某些业务场景中，指标间可能存在关联性，为了使指标A达到设定值，通常需要对与指标A相关联的指标B进行调整。例如，在物流场景中，可以通过降低成本来增加订单量。
现有的方法一般根据人工经验从众多的辅助指标中筛选出关联性较高的目标辅助指标，并通过调整目标辅助指标达到调整核心指标的目的。
但是，由人工经验筛选目标辅助指标导致调整过程耗费较长时间，并且，其得到的调整量精确度较低。
发明内容
有鉴于此，本发明实施例提供一种指标调整方法和装置，能够得到更为精确的调整量，同时提高调整效率。
第一方面，本发明实施例提供了一种指标调整方法，包括：
获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；
确定所述核心指标对应的若干波动区间；
在所述若干波动区间内确定若干目标采样点；
针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；其中，所述目标采样点的指标值变化率，用于衡量所述目标采样点的指标值相对于所在的波动区间的起点的指标值的波动程度；
根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；
根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；
根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
可选地，
根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
确定所述核心指标以及各个所述目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
可选地，
进一步包括：
确定所述核心指标在目标采样点的指标值所属的分组；
根据指标值变化率的分组结果和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
可选地，
根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度，包括：
针对每个所述业务指标：分别统计所述指标值变化率大于0和小于0的目标采样点的数量；根据所述指标值变化率大于0和小于0的目标采样点的数量，确定所述业务指标的分数；根据各个所述业务指标的分数，确定所述核心指标与各个所述辅助指标的关联度。
可选地，
确定所述核心指标以及各个所述目标辅助指标的指标值变化率所属的分组，包括：
对所述核心指标以及各个所述目标辅助指标的指标值变化率进行归一化；
根据预设的分组规则，确定归一化后的指标值变化率所属的组别。
可选地，
所述指标值变化率的分组结果和所述指标值的分组结果构成若干调整方案；每个所述调整方案中包括：所述核心指标的指标值变化率所属的分组，与其对应的所述核心指标的指标值所属的分组、所述目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
在若干所述调整方案中确定与所述核心指标的当前指标值和当前指标值变化率相匹配的目标调整方案；
根据所述目标调整方案，确定各个所述目标辅助指标的当前指标值变化率。
可选地，
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
根据所述指标值变化率的分组结果和所述指标值的分组结果，训练强化学习模型；
根据所述核心指标的当前指标值、所述核心指标的当前指标值变化率和训练好的强化学习模型，确定各个所述目标辅助指标的当前指标值变化率。
第二方面，本发明实施例提供了一种指标调整装置，包括：
获取模块，配置为获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；
确定模块，配置为确定所述核心指标对应的若干波动区间；在所述若干波动区间内确定若干目标采样点；针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；其中，所述目标采样点的指标值变化率，用于衡量所述目标采样点的指标值相对于所在的波动区间的起点的指标值的波动程度；
调整模块，配置为根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
第三方面，本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上述任一实施例所述的方法。
第四方面，本发明实施例提供了一种计算机可读介质，其上存储有计算机程序，所述程序被处理器执行时实现如上述任一实施例所述的方法。
上述发明中的一个实施例具有如下优点或有益效果：本发明实施例通过指标值变化率确定与核心指标关联性更高的目标辅助指标，并依据目标辅助指标对核心指标进行调整。与现有方法相比，本发明实施例基于指标值变化率能够更加快速、准确地从众多辅助指标中确定目标辅助指标，通过目标辅助指标可以实现对核心指标更加精确的调整。
上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。
附图说明
附图用于更好地理解本发明，不构成对本发明的不当限定。其中：
图1是本发明的一个实施例提供的一种指标调整方法的流程图；
图2是本发明的另一个实施例提供的一种指标调整方法的流程图；
图3是本发明的一个实施例提供的一种利润变化折线图；
图4是本发明的一个实施例提供的一种指标调整装置的示意图；
图5是本发明实施例可以应用于其中的示例性系统架构图；
图6是适于用来实现本发明实施例的终端设备或服务器的计算机系统的结构示意图。
具体实施方式
以下结合附图对本发明的示范性实施例做出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
如图1所示，本发明实施例提供了一种指标调整方法，包括：
步骤101：获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，业务指标包括：核心指标和辅助指标。
业务指标可以是零售、物流等业务场景中涉及的指标，以物流场景为例，业务指标包括但不限于：仓库量、出库时效达成率、出库单量、差评量、入库金额、仓库人数和水电金额。核心指标与辅助指标可以根据需求动态调整，例如，在一种应用场景中，核心指标是仓库量，辅助指标是出库时效达成率和仓库人数，可以通过调整出库时效达成率和仓库人数达到调整仓库量的目的；在另一种应用场景中，核心指标是出库时效达成率，辅助指标是仓库量和仓库人数，可以通过调整仓库量和仓库人数达到调整出库时效达成率的目的。
为了保证调整结果的准确性，获取不同业务指标在各个采样点的指标值。例如，分别获取仓库量、出库时效达成率和仓库人数这三种业务指标在2019年每个月的指标值。
步骤102：根据核心指标，确定若干目标采样点。
由于最终要实现对核心指标的调整，为了提高调整的精确度，本发明实施例以核心指标确定目标采样点。具体地，可以按照预设的间隔确定目标采样点，还可以根据核心指标的波动区间确定目标采样点。
步骤103：针对每个业务指标：确定各个目标采样点的指标值变化率。
确定核心指标及辅助指标在各个目标采样点的指标值变化率。
步骤104：根据各个指标值变化率，确定核心指标与各个辅助指标的关联度。
核心指标与辅助指标的指标值变化率一致性越高，则说明核心指标与辅助指标的关联度越高。
步骤105：根据关联度，在至少两个辅助指标中确定若干目标辅助指标。
根据关联度可以从多个辅助指标中筛选出与核心指标关联度较大的目标辅助指标。
步骤106：根据核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
例如，核心指标为销量，当前指标值变化率为10％，则本发明实施例的目的在于调整各个目标辅助指标，以将核心指标的指标值在现有的基础上提升10％。
本发明实施例通过指标值变化率确定与核心指标关联性更高的目标辅助指标，并依据目标辅助指标对核心指标进行调整。与现有方法相比，本发明实施例基于指标值变化率能够更加快速、准确地从众多辅助指标中确定目标辅助指标，通过目标辅助指标可以实现对核心指标更加精确的调整。
在本发明的一个实施例中，根据核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率，包括：
确定核心指标以及各个目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
考虑到目标采样点的数量较多，为了减小计算量，同时保证指标调整的精确度，本发明实施例将指标值变化率划分为不同的组别，可以根据核心指标的当前指标值变化率所属的组别，确定目标辅助指标的当前指标值变化率。
考虑到业务指标在时间段内可能存在波动，为了提高指标调整的精确度，在调整的过程中，还可以考虑核心指标的指标值所属的分组。鉴于此，在本发明的一个实施例中，该方法包括：确定核心指标在目标采样点的指标值所属的分组；
根据指标值变化率的分组结果和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率，包括：
根据指标值变化率的分组结果、指标值的分组结果、核心指标的当前指标值和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
本发明实施例将指标值变化率的分组结果与指标值的分组结果相结合，能够提高指标调整的精确度。
在本发明的一个实施例中，根据核心指标，确定若干目标采样点，包括：
确定核心指标对应的若干波动区间；其中，在同一个波动区间中，采样点的指标值变化率均小于0，或均大于0；采样点的指标值变化率，用于衡量采样点的指标值相对于所在的波动区间的较小端点的指标值的波动程度；
在各个波动区间中分别确定目标采样点。
由于核心指标在时间段内可能存在波动，为了考虑不同波动区间内核心指标的变化，进一步提高调整的精确度，本发明实施例在不同的波动区间内进行采样，具体地，可以按照设定的时间间隔确定各个波动区间中的目标采样点。本发明实施例的目的在于对核心指标的指标值进行提升或降低，因此，仅关注采样点的指标值变化率小于0或大于0的波动区间。
为了确定各个辅助指标与核心指标的关联性，在本发明的一个实施例中，根据各个指标值变化率，确定核心指标与各个辅助指标的关联度，包括：
针对每个业务指标：分别统计指标值变化率大于0和小于0的目标采样点的数量；根据指标值变化率大于0和小于0的目标采样点的数量，确定业务指标的分数；根据各个业务指标的分数，确定核心指标与各个辅助指标的关联度。
指标值变化率能够反映核心指标与辅助指标在不同目标采样点的变化趋势，如果辅助指标与核心指标的变化趋势具有较高的一致性，则说明辅助指标与核心指标的关联性较高，否则，说明辅助指标与核心指标的关联性较低。
在本发明的一个实施例中，确定核心指标以及各个目标辅助指标的指标值变化率所属的分组，包括：
对核心指标以及各个目标辅助指标的指标值变化率进行归一化；
根据预设的分组规则，确定归一化后的指标值变化率所属的组别。
本发明实施例在分组之前先对核心指标以及各个目标辅助指标的指标值变化率进行归一化，使归一化后的指标值变化率分布于0～1之间。分组规则可以根据实际应用场景的需求进行调整，例如，一种分组规则是：小于0.5为A组，其他为B组；一种分组规则是：0-0.2为A组，0.2-0.4为B组，0.4-0.6为C组，0.6-0.8为D组，0.8-1.0为E组。
在本发明的一个实施例中，指标值变化率的分组结果和指标值的分组结果构成若干调整方案；每个调整方案中包括：核心指标的指标值变化率所属的分组，与其对应的核心指标的指标值所属的分组、目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果、指标值的分组结果、核心指标的当前指标值和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率，包括：
在若干调整方案中确定与核心指标的当前指标值和当前指标值变化率相匹配的目标调整方案；
根据目标调整方案，确定各个目标辅助指标的当前指标值变化率。
如表1，是一种场景下的指标值分组结果和指标值变化率分组结果，表1中共存在四种调整方案，AACD、ABDD、AAEE和ABFE。不同目标采样点可以对应同一种调整方案。如果目标调整方案存在多个，则可以根据预设的筛选规则，选择其中一个目标调整方案进行指标调整。具体地，可以设置不同组别的分数，根据调整方案的分数确定用于指标调整的调整方案，调整方案的数据为调整方案中各个组别的分数之和。
例如，核心指标的指标值所属的组别为A，核心指标的指标值变化率所属的组别为B，根据表1与核心指标的当前指标值和当前指标值变化率相匹配的目标调整方案有两个，即ABDD和ABFE。如果A、B、C、D、E、F的组别分数分别为6、5、4、3、2、1，则选择ABDD用于指标调整。
在本发明实施例中，可以根据分组规则确定目标辅助指标的当前指标值变化率。例如，D组对应的指标值变化率为0.6-0.8，可以将0.6-0.8中任意值作为辅助指标X1的当前指标值变化率。
表1指标值分组结果和指标值变化率分组结果
为了进一步提高指标调整的准确度，在本发明的一个实施例中，根据指标值变化率的分组结果、指标值的分组结果、核心指标的当前指标值和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率，包括：
根据指标值变化率的分组结果和指标值的分组结果，训练强化学习模型；
根据核心指标的当前指标值、核心指标的当前指标值变化率和训练好的强化学习模型，确定各个目标辅助指标的当前指标值变化率。
在本发明实施例中，指标值变化率的分组结果和指标值的分组结果为训练数据，核心指标的当前指标值、核心指标的当前指标值变化率为预测数据。将核心指标的当前指标值、核心指标的当前指标值变化率输入训练好的强化学习模型，强化学习模型将输出预测得到的各个目标辅助指标的当前指标值变化率。基于各个目标辅助指标的当前指标值变化率对目标辅助指标进行调整，可以使得核心指标在当前指标值的基础上发生调整，调整幅度由核心指标的当前指标值变化率确定。
在实际应用场景中，考虑到核心指标和辅助指标是相对的，在其他的场景中，核心指标可以转换为辅助指标，辅助指标转换为核心指标。因此，该方法还可以确定各个目标辅助指标的指标值所属的分组，并基于核心指标的指标值变化率的分组结果、核心指标的指标值的分组结果、以及辅助指标的指标值变化率的分组结果、辅助指标的指标值的分组结果，训练强化学习模型，使得训练后的强化学习模型适用于不同的场景。
如图2所示，本发明实施例提供了一种指标调整方法，包括以下步骤：
步骤201：获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，业务指标包括：核心指标和辅助指标。
在一种配送场景中，核心指标为利润，辅助指标为人力成本、水电费、租房成本。
在本发明实施例中，为了提升利润，可以采集1-10月的利润、人力成本、水电费、租房成本。
步骤202：根据核心指标，确定若干目标采样点。
核心指标在1-10月的数据如图3所示，其中，横坐标为月份，纵坐标为利润。由图中可以看出，2-3月、4-5月、6-8月、9-10月核心指标的指标值呈上升趋势，1-2月、5-6月、8-9月核心指标的指标值呈下降趋势。
在各个不同波动区间中，确定目标采样点。以2-3波动区间为例，目标采样点可以为2.1、2.2、2.3、2.4……
步骤203：针对每个业务指标：确定各个目标采样点的指标值变化率。
表2目标采样点的指标值变化率
需要说明的是，目标采样点的指标值变化率指的是目标采样点的指标值相对于所在的波动区间的较小端点的指标值的变化，对于2-3波动区间，目标采样点2.1的指标值变化率＝(目标采样点2.1的指标值-端点2.0的指标值)/端点2.0的指标值。
步骤204：针对每个业务指标：分别统计指标值变化率大于0和小于0的目标采样点的数量。
步骤205：根据指标值变化率大于0和小于0的目标采样点的数量，确定业务指标的分数。
在本发明实施例中，指标值变化率大于0，则核心指标的分数加1，指标值变化率小于0，则核心指标的分数减1。
以核心指标为例，假设指标值变化率大于0和小于0的目标采样点的数量分别为2000和100，则核心指标的分数为1900。当然，还可以采用其他的方式计算业务指标的分数，此处不再赘述。
步骤206：根据各个业务指标的分数，确定核心指标与各个辅助指标的关联度。
在本发明实施例中，可以将辅助指标与核心指标的分数的比值作为核心指标与辅助指标的关联度。例如，核心指标的分数为1000，辅助指标1的分数为900，辅助指标2的分数为700，则核心指标与辅助指标1的关联度为90％，核心指标与辅助指标2的关联度为70％。当然，还可以将辅助指标与核心指标的分数的差值作为核心指标与辅助指标的关联度。
步骤207：根据关联度，在至少两个辅助指标中确定若干目标辅助指标。
根据关联度，在人力成本、水电费、租房成本中筛选出目标辅助指标。在本发明实施例中，如果辅助指标与核心指标的关联度大于设定值，则确定该辅助指标为目标辅助指标。通过关联度可以在众多指标中筛选出对核心指标具有较高影响的目标辅助指标，在调整的过程中，可以仅对目标辅助指标进行调整，而不需要对其他低关联性的辅助指标进行调整，能够减小计算量，提高调整效率。
步骤208：确定核心指标以及各个目标辅助指标的指标值变化率所属的分组、确定核心指标在目标采样点的指标值所属的分组。
具体地，可以对对核心指标以及各个目标辅助指标的指标值变化率进行归一化，根据预设的分组规则，确定归一化后的指标值变化率所属的组别。
指标值变化率的分组结果和指标值的分组结果构成若干调整方案；每个调整方案中包括：核心指标的指标值变化率所属的分组，与其对应的核心指标的指标值所属的分组、目标辅助指标的指标值变化率所属的分组。
步骤209：根据指标值变化率的分组结果和指标值的分组结果，训练强化学习模型。
在训练的过程中，强化学习模型能够根据核心指标的指标值和指标值变化率对Q表中不同的调整方案进行评分，并通过迭代对Q表进行更新，将最优解记录在Q表中。在本发明实施例中，可以统计每一种调整方案对应的目标采样点的数量，在训练的过程中可以将调整方案对应的目标采样点的数量作为调整方案的评分进行反馈。
步骤210：根据核心指标的当前指标值、核心指标的当前指标值变化率和训练好的强化学习模型，确定各个目标辅助指标的当前指标值变化率。
将核心指标的当前指标值、核心指标的当前指标值变化率输入训练好的强化学习模型，可以得到各个目标辅助指标的当前指标值变化率。
本发明实施例通过关联度筛选出对核心指标具有较高影响的目标辅助指标，能够减小计算量，提高调整效率，同时避免低关联度辅助指标的干扰。另外，本发明实施例通过训练强化学习模型，使其迭代得到最优的调整方案，能够进一步提高指标调整的准确度。
如图4所示，本发明实施例提供了一种指标调整装置，包括：
获取模块401，配置为获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，业务指标包括：核心指标和辅助指标；
确定模块402，配置为根据核心指标，确定若干目标采样点；针对每个业务指标：确定各个目标采样点的指标值变化率；根据各个指标值变化率，确定核心指标与各个辅助指标的关联度；根据关联度，在至少两个辅助指标中确定若干目标辅助指标；
调整模块403，配置为根据核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
在本发明的一个实施例中，调整模块403，配置为确定核心指标以及各个目标辅助指标的指标值变化率所属的分组；根据指标值变化率的分组结果和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
在本发明的一个实施例中，调整模块403，配置为确定核心指标在目标采样点的指标值所属的分组；根据指标值变化率的分组结果、指标值的分组结果、核心指标的当前指标值和核心指标的当前指标值变化率，确定各个目标辅助指标的当前指标值变化率。
在本发明的一个实施例中，确定模块402，配置为确定核心指标对应的若干波动区间；在各个波动区间中分别确定目标采样点；其中，在同一个波动区间中，采样点的指标值变化率均小于0，或均大于0。
在本发明的一个实施例中，确定模块402，配置为针对每个业务指标：分别统计指标值变化率大于0和小于0的目标采样点的数量；根据指标值变化率大于0和小于0的目标采样点的数量，确定业务指标的分数；根据各个业务指标的分数，确定核心指标与各个辅助指标的关联度。
在本发明的一个实施例中，调整模块403，配置为对核心指标以及各个目标辅助指标的指标值变化率进行归一化；根据预设的分组规则，确定归一化后的指标值变化率所属的组别。
在本发明的一个实施例中，指标值变化率的分组结果和指标值的分组结果构成若干调整方案；每个调整方案中包括：核心指标的指标值变化率所属的分组，与其对应的核心指标的指标值所属的分组、目标辅助指标的指标值变化率所属的分组；
调整模块403，配置为在若干调整方案中确定与核心指标的当前指标值和当前指标值变化率相匹配的目标调整方案；根据目标调整方案，确定各个目标辅助指标的当前指标值变化率。
在本发明的一个实施例中，调整模块403，配置为根据指标值变化率的分组结果和指标值的分组结果，训练强化学习模型；根据核心指标的当前指标值、核心指标的当前指标值变化率和训练好的强化学习模型，确定各个目标辅助指标的当前指标值变化率。
本发明实施例提供了一种电子设备，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述任一实施例的方法。
图5示出了可以应用本发明实施例的指标调整方法或指标调整装置的示例性系统架构500。
如图5所示，系统架构500可以包括终端设备501、502、503，网络504和服务器505。网络504用以在终端设备501、502、503和服务器505之间提供通信链路的介质。网络504可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
用户可以使用终端设备501、502、503通过网络504与服务器505交互，以接收或发送消息等。终端设备501、502、503上可以安装有各种通讯客户端应用，例如购物类应用、网页浏览器应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等(仅为示例)。
终端设备501、502、503可以是具有显示屏并且支持网页浏览的各种电子设备，包括但不限于智能手机、平板电脑、膝上型便携计算机和台式计算机等等。
服务器505可以是提供各种服务的服务器，例如对用户利用终端设备501、502、503所浏览的购物类网站提供支持的后台管理服务器(仅为示例)。后台管理服务器可以对接收到的产品信息查询请求等数据进行分析等处理，并将处理结果(例如目标推送信息、产品信息--仅为示例)反馈给终端设备。
需要说明的是，本发明实施例所提供的指标调整方法一般由服务器505执行，相应地，指标调整装置一般设置于服务器505中。
应该理解，图5中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。
下面参考图6，其示出了适于用来实现本发明实施例的终端设备的计算机系统600的结构示意图。图6示出的终端设备仅仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。
如图6所示，计算机系统600包括中央处理单元(CPU)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储部分608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有系统600操作所需的各种程序和数据。CPU 601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
以下部件连接至I/O接口605：包括键盘、鼠标等的输入部分606；包括诸如阴极射线管(CRT)、液晶显示器(LCD)等以及扬声器等的输出部分607；包括硬盘等的存储部分608；以及包括诸如LAN卡、调制解调器等的网络接口卡的通信部分609。通信部分609经由诸如因特网的网络执行通信处理。驱动器610也根据需要连接至I/O接口605。可拆卸介质611，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器610上，以便于从其上读出的计算机程序根据需要被安装入存储部分608。
特别地，根据本发明公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信部分609从网络上被下载和安装，和/或从可拆卸介质611被安装。在该计算机程序被中央处理单元(CPU)601执行时，执行本发明的系统中限定的上述功能。
需要说明的是，本发明所示的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本发明中，计算机可读的信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读的信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：无线、电线、光缆、RF等等，或者上述的任意合适的组合。
附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图或流程图中的每个方框、以及框图或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本发明实施例中所涉及到的模块可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的模块也可以设置在处理器中，例如，可以描述为：一种处理器包括发送模块、获取模块、确定模块和第一处理模块。其中，这些模块的名称在某种情况下并不构成对该模块本身的限定，例如，发送模块还可以被描述为“向所连接的服务端发送图片获取请求的模块”。
作为另一方面，本发明还提供了一种计算机可读介质，该计算机可读介质可以是上述实施例中描述的设备中所包含的；也可以是单独存在，而未装配入该设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被一个该设备执行时，使得该设备包括：
获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；
根据所述核心指标，确定若干目标采样点；
针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；
根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；
根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；
根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
本发明实施例通过指标值变化率确定与核心指标关联性更高的目标辅助指标，并依据目标辅助指标对核心指标进行调整。与现有方法相比，本发明实施例基于指标值变化率能够更加快速、准确地从众多辅助指标中确定目标辅助指标，通过目标辅助指标可以实现对核心指标更加精确的调整。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，取决于设计要求和其他因素，可以发生各种各样的修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。
Claims (10)
1.一种指标调整方法，其特征在于，包括：
获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；
确定所述核心指标对应的若干波动区间；
在所述若干波动区间内确定若干目标采样点；
针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；其中，所述目标采样点的指标值变化率，用于衡量所述目标采样点的指标值相对于所在的波动区间的起点的指标值的波动程度；
根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；
根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；
根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
2.如权利要求1所述的方法，其特征在于，
根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
确定所述核心指标以及各个所述目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
3.如权利要求2所述的方法，其特征在于，进一步包括：
确定所述核心指标在目标采样点的指标值所属的分组；
根据指标值变化率的分组结果和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
4.如权利要求1所述的方法，其特征在于，
根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度，包括：
针对每个所述业务指标：分别统计所述指标值变化率大于0和小于0的目标采样点的数量；根据所述指标值变化率大于0和小于0的目标采样点的数量，确定所述业务指标的分数；根据各个所述业务指标的分数，确定所述核心指标与各个所述辅助指标的关联度。
5.如权利要求2所述的方法，其特征在于，
确定所述核心指标以及各个所述目标辅助指标的指标值变化率所属的分组，包括：
对所述核心指标以及各个所述目标辅助指标的指标值变化率进行归一化；
根据预设的分组规则，确定归一化后的指标值变化率所属的组别。
6.如权利要求3所述的方法，其特征在于，
所述指标值变化率的分组结果和所述指标值的分组结果构成若干调整方案；每个所述调整方案中包括：所述核心指标的指标值变化率所属的分组，与其对应的所述核心指标的指标值所属的分组、所述目标辅助指标的指标值变化率所属的分组；
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
在若干所述调整方案中确定与所述核心指标的当前指标值和当前指标值变化率相匹配的目标调整方案；
根据所述目标调整方案，确定各个所述目标辅助指标的当前指标值变化率。
7.如权利要求3所述的方法，其特征在于，
根据指标值变化率的分组结果、指标值的分组结果、所述核心指标的当前指标值和所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率，包括：
根据所述指标值变化率的分组结果和所述指标值的分组结果，训练强化学习模型；
根据所述核心指标的当前指标值、所述核心指标的当前指标值变化率和训练好的强化学习模型，确定各个所述目标辅助指标的当前指标值变化率。
8.一种指标调整装置，其特征在于，包括：
获取模块，配置为获取至少两个业务指标在同一时间段内各个采样点的指标值；其中，所述业务指标包括：核心指标和辅助指标；
确定模块，配置为确定所述核心指标对应的若干波动区间；在所述若干波动区间内确定若干目标采样点；针对每个所述业务指标：确定各个所述目标采样点的指标值变化率；根据各个所述指标值变化率，确定所述核心指标与各个所述辅助指标的关联度；根据所述关联度，在至少两个所述辅助指标中确定若干目标辅助指标；其中，所述目标采样点的指标值变化率，用于衡量所述目标采样点的指标值相对于所在的波动区间的起点的指标值的波动程度；
调整模块，配置为根据所述核心指标的当前指标值变化率，确定各个所述目标辅助指标的当前指标值变化率。
9.一种电子设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011036414.1A CN113780703B (zh) | 2020-09-27 | 2020-09-27 | 一种指标调整方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011036414.1A CN113780703B (zh) | 2020-09-27 | 2020-09-27 | 一种指标调整方法和装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113780703A true CN113780703A (zh) | 2021-12-10 |
| CN113780703B CN113780703B (zh) | 2024-05-24 |
Family
ID=78835080
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011036414.1A Active CN113780703B (zh) | 2020-09-27 | 2020-09-27 | 一种指标调整方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113780703B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114565226A (zh) * | 2022-01-27 | 2022-05-31 | 阿里云计算有限公司 | 一种指标处理方法、服务器及存储介质 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239899A (zh) * | 2017-06-01 | 2017-10-10 | 广西电网有限责任公司电力科学研究院 | 一种台风天气下电网负荷对气象因素的敏感度分析方法 |
| CN107463482A (zh) * | 2017-07-27 | 2017-12-12 | 东软集团股份有限公司 | 确定指标关联性的方法及装置 |
| CN109727049A (zh) * | 2017-10-31 | 2019-05-07 | 北京国双科技有限公司 | 指标变化率分析方法及装置 |
| CN109840185A (zh) * | 2019-01-11 | 2019-06-04 | 新华三大数据技术有限公司 | 一种指标关联方法及装置 |
| CN110535864A (zh) * | 2019-08-30 | 2019-12-03 | 北京达佳互联信息技术有限公司 | 服务异常检测方法、装置、设备及存储介质 |
| CN110704751A (zh) * | 2019-10-22 | 2020-01-17 | 北京字节跳动网络技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN111325587A (zh) * | 2018-12-13 | 2020-06-23 | 北京京东尚科信息技术有限公司 | 用于生成信息的方法和装置 |
| WO2020143409A1 (zh) * | 2019-01-07 | 2020-07-16 | 阿里巴巴集团控股有限公司 | 预测业务指标的方法及装置 |
| CN111667321A (zh) * | 2020-06-24 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、计算机及可读存储介质 |
-
2020
- 2020-09-27 CN CN202011036414.1A patent/CN113780703B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107239899A (zh) * | 2017-06-01 | 2017-10-10 | 广西电网有限责任公司电力科学研究院 | 一种台风天气下电网负荷对气象因素的敏感度分析方法 |
| CN107463482A (zh) * | 2017-07-27 | 2017-12-12 | 东软集团股份有限公司 | 确定指标关联性的方法及装置 |
| CN109727049A (zh) * | 2017-10-31 | 2019-05-07 | 北京国双科技有限公司 | 指标变化率分析方法及装置 |
| CN111325587A (zh) * | 2018-12-13 | 2020-06-23 | 北京京东尚科信息技术有限公司 | 用于生成信息的方法和装置 |
| WO2020143409A1 (zh) * | 2019-01-07 | 2020-07-16 | 阿里巴巴集团控股有限公司 | 预测业务指标的方法及装置 |
| CN109840185A (zh) * | 2019-01-11 | 2019-06-04 | 新华三大数据技术有限公司 | 一种指标关联方法及装置 |
| CN110535864A (zh) * | 2019-08-30 | 2019-12-03 | 北京达佳互联信息技术有限公司 | 服务异常检测方法、装置、设备及存储介质 |
| CN110704751A (zh) * | 2019-10-22 | 2020-01-17 | 北京字节跳动网络技术有限公司 | 数据处理方法、装置、电子设备及存储介质 |
| CN111667321A (zh) * | 2020-06-24 | 2020-09-15 | 腾讯科技（深圳）有限公司 | 一种数据处理方法、装置、计算机及可读存储介质 |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114565226A (zh) * | 2022-01-27 | 2022-05-31 | 阿里云计算有限公司 | 一种指标处理方法、服务器及存储介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113780703B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107679211B (zh) | 用于推送信息的方法和装置 | |
| CN108536867B (zh) | 用于生成信息的方法和装置 | |
| CN108540508B (zh) | 用于推送信息的方法、装置和设备 | |
| CN114205690B (zh) | 流量预测、模型训练方法及装置、电子设备、存储介质 | |
| CN108965951B (zh) | 广告的播放方法及装置 | |
| CN111400304A (zh) | 一种获取截面日期全量数据的方法、装置、电子设备及存储介质 | |
| CN110738508A (zh) | 一种数据分析方法和装置 | |
| CN113780703B (zh) | 一种指标调整方法和装置 | |
| CN117635341A (zh) | 参数推荐的方法、装置、设备和计算机可读介质 | |
| CN113434754A (zh) | 确定推荐api服务的方法、装置、电子设备和存储介质 | |
| CN112989276A (zh) | 信息推送系统的评价方法和装置 | |
| CN114257521B (zh) | 流量预测方法、装置、电子设备和存储介质 | |
| CN114461305B (zh) | 一种数据源确定方法和装置 | |
| CN116228384A (zh) | 一种数据处理方法、装置、电子设备及计算机可读介质 | |
| CN110766488A (zh) | 一种自动确定主题场景的方法和装置 | |
| CN110738509A (zh) | 量化用户之间关联程度的方法和装置 | |
| CN114817297A (zh) | 一种处理数据的方法和装置 | |
| CN112784213A (zh) | 一种生成信息的方法和装置 | |
| CN110378714B (zh) | 一种处理访问数据的方法和装置 | |
| CN110020211B (zh) | 用户属性影响力的评估方法和装置 | |
| CN112905604A (zh) | 一种数据处理方法和装置 | |
| CN110874386A (zh) | 建立类目映射关系的方法和装置 | |
| CN113066479A (zh) | 一种评测模型的方法和装置 | |
| CN113129473A (zh) | 数据采集的方法、装置和系统 | |
| CN113269600B (zh) | 一种信息发送的方法和装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |